【监督学习应用】分类、标注和回归——笔记

学习

一个系统能够通过执行某个过程改进它的性能，这就是学习

监督学习

supervised learning 指从标注数据中学习预测模型。

标注数据表示输入输出的对应关系，预测模型对给定的输入产生相应的输出。监督学习的实质是学习输入到输出的映射的统计规律。

 

监督学习的应用主要在三个方面：分类、标注和回归

分类

• 监督学习从数据中学习一个分类模型或分类决策函数，称为分类器（classifier），分类器对新的输入进行输出的预测，称为分类（classification）
• 可能的输出称为类别（class）
• 分类问题包括学习和分类两个过程

标注

• 可以认为标注问题是分类问题的一个推广。但标注问题是更复杂的结构预测（structure prediction）问题的简单形式。
• 分类问题中，输出变量Y去有限个离散值，输入X可以为离散的或者是连续的。
• 标注问题的输入是一个观测序列，输出的是一个标记序列或状态序列。
• 标注问题的目标在于学习一个模型，观测序列后会得出一个预测，该预测为标记序列
• 可能的标记个数是有限的，但其组合所称的标记序列的个数是依序列长度呈指数增长的
• 标注问题包括学习和标注两个过程

回归

• 回归用于预测输入变量X和输出变量Y之间的关系
• 所谓回归模型就是输入和输出之间映射的函数，Y = F（X）